一、OpenCV-Sobel边缘检测

#include <opencv2/opencv.hpp>
#include <math.h>
#include <iostream>using namespace cv;/*OpenCV中的namedWindow函数WINDOW_NORMAL    显示图像后，允许用户随意调整窗口大小WINDOW_AUTOSIZE    根据图像大小显示窗口，不允许用户调整大小（默认）WINDOW_FREERATIO   窗口大小自适应比例WINDOW_KEEPRATIO   保持图像的比例*/int main()
{//-----------读取原图像-------------Mat srcImage = imread("sobel_test01.jpg");if (srcImage.empty()){printf("could not load this srcImage!\n");return -1;}namedWindow("原图像", 1);imshow("原图像", srcImage);//-----------对原图像进行高斯模糊，降噪-------------Mat gauImage;GaussianBlur(srcImage, gauImage, Size(3, 3), 0, 0, 4);//------------将降噪后的图像转换为灰度图像------------Mat grayImage;cvtColor(gauImage, grayImage, COLOR_BGR2GRAY);namedWindow("灰度图",1);imshow("灰度图", grayImage);//-----------------OpenCV-Sobel边缘检测--------------------double timeStart = (double)getTickCount();//程序计时-开始时间Mat xGrand, yGrand;/*x方向的一阶边缘检测—水平梯度Gx*/Sobel(grayImage, xGrand, CV_16S, 1, 0, 3);convertScaleAbs(xGrand, xGrand);/*y方向的一阶边缘检测—垂直梯度Gy*/Sobel(grayImage, yGrand, CV_16S, 0, 1, 3);convertScaleAbs(yGrand, yGrand);/*叠加x,y方向的边缘—最终图像梯度G*/Mat dst = Mat::zeros(xGrand.size(), yGrand.type());//根据公式，使用勾股定理求出图像近似梯度Gint colsImage = srcImage.cols;int rowsImage = srcImage.rows;for (int row = 0; row < rowsImage; row++) {for (int col = 0; col < colsImage; col++) {uchar xValue = xGrand.at<uchar>(row, col);uchar yValue = yGrand.at<uchar>(row, col);dst.at<uchar>(row, col) = saturate_cast<uchar>(sqrt(xValue * xValue + yValue * yValue));}}double TotalTime = ((double)getTickCount() - timeStart) / getTickFrequency();//程序计时-结束时间namedWindow("x,y方向叠加的最终图像", 1);imshow("x,y方向叠加的最终图像", dst);printf("使用OpenCV做Sobel算子，消耗的时间：%f毫秒\n", TotalTime*1000);//imwrite("finalImage.jpg", dst);//导出最终图像waitKey(0);return 0;
}

二、CUDA-Sobel边缘检测

#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include <cuda.h>
#include <device_functions.h>
#include <opencv2\opencv.hpp>
#include <math.h>#include <iostream>using namespace cv;/*OpenCV中的namedWindow函数WINDOW_NORMAL 显示图像后，允许用户随意调整窗口大小WINDOW_AUTOSIZE    根据图像大小显示窗口，不允许用户调整大小（默认）WINDOW_FREERATIO   窗口大小自适应比例WINDOW_KEEPRATIO   保持图像的比例*///-------------------------------------------------------------------------------------------------
//             x0 x1 x2
//             x3 x4 x5
//             x6 x7 x8
// GPU实现Sobel边缘检测，Sobel算子边缘检测核函数
//-------------------------------------------------------------------------------------------------
__global__ void sobelInCuda(unsigned char* dataIn, unsigned char* dataOut, int imgHeight, int imgWidth)
{int xIndex = threadIdx.x + blockDim.x * blockIdx.x;//X方向的线程索引int yIndex = threadIdx.y + blockDim.y * blockIdx.y;//Y方向的线程索引int index = yIndex * imgWidth + xIndex;//一维的全局索引int Gx = 0;int Gy = 0;//unsigned char x0, x1, x2, x3, x4, x5, x6, x7, x8;if (xIndex > 0 && xIndex < imgWidth - 1 && yIndex > 0 && yIndex < imgHeight - 1)//防止索引越界{//水平方向的边缘检测—计算图像水平梯度GxGx = dataIn[(yIndex - 1) * imgWidth + xIndex + 1] + 2 * dataIn[yIndex * imgWidth + xIndex + 1] + dataIn[(yIndex + 1) * imgWidth + xIndex + 1]- (dataIn[(yIndex - 1) * imgWidth + xIndex - 1] + 2 * dataIn[yIndex * imgWidth + xIndex - 1] + dataIn[(yIndex + 1) * imgWidth + xIndex - 1]);//垂直方向的边缘检测—计算图像垂直梯度GyGy = dataIn[(yIndex - 1) * imgWidth + xIndex - 1] + 2 * dataIn[(yIndex - 1) * imgWidth + xIndex] + dataIn[(yIndex - 1) * imgWidth + xIndex + 1]- (dataIn[(yIndex + 1) * imgWidth + xIndex - 1] + 2 * dataIn[(yIndex + 1) * imgWidth + xIndex] + dataIn[(yIndex + 1) * imgWidth + xIndex + 1]);//根据公式，求出最终的图像梯度GdataOut[index] = (abs(Gx) + abs(Gy)) / 2;以x4为中心，寻找其他像素点的坐标位置//x0 = dataIn[(yIndex - 1) * imgWidth + xIndex - 1];//x1 = dataIn[(yIndex - 1) * imgWidth + xIndex];//x2 = dataIn[(yIndex - 1) * imgWidth + xIndex + 1];//x3 = dataIn[(yIndex)*imgWidth + xIndex - 1];//x4 = dataIn[(yIndex)*imgWidth + xIndex];//x5 = dataIn[(yIndex)*imgWidth + xIndex + 1];//x6 = dataIn[(yIndex + 1) * imgWidth + xIndex - 1];//x7 = dataIn[(yIndex + 1) * imgWidth + xIndex];//x8 = dataIn[(yIndex + 1) * imgWidth + xIndex + 1];//水平方向的边缘检测—计算图像水平梯度Gx//Gx = (x0 + 2 * x3 + x6) - (x2 + 2 * x5 + x8);//垂直方向的边缘检测—计算图像垂直梯度Gy//Gy = (x0 + 2 * x1 + x2) - (x6 + 2 * x7 + x8);//根据公式，求出最终的图像梯度G//dataOut[index] = (abs(Gx) + abs(Gy)) / 2;//printf("out[%d]: %d", index, out[index]);}
}int main()
{//-----------------读取原图像--------------------Mat srcImg = imread("sobel_test01.jpg", 1);if (srcImg.empty()){printf("could not load this srcImage!\n");return -1;}namedWindow("原图像", 1);imshow("原图像", srcImg);//--------------对原图像进行高斯模糊，降噪-----------------Mat gauImg;GaussianBlur(srcImg, gauImg, Size(3, 3), 0, 0, 4);//------------将降噪后的图像转换为灰度图像------------Mat grayImg;cvtColor(gauImg, grayImg, COLOR_BGR2GRAY);namedWindow("灰度图", 1);imshow("灰度图", grayImg);//-----------------使用CUDA进行Sobel边缘检测--------------------int imgHeight = grayImg.rows;int imgWidth = grayImg.cols;//使用CUDA进行Sobel边缘检测的最终结果图像Mat dstGpuImg(imgHeight, imgWidth, CV_8UC1, Scalar(0, 0, 0));//创建GPU内存，申请指针并将它指向GPU空间size_t num = imgHeight * imgWidth * sizeof(unsigned char);unsigned char* d_in;unsigned char* d_out;cudaMalloc((void**)&d_in, num);cudaMalloc((void**)&d_out, num);//--------------将灰度图像从CPU传输到GPU---------------------cudaMemcpy(d_in, grayImg.data, num, cudaMemcpyHostToDevice);//-----------------定义CUDA中grid和block的维度---------------dim3 threadsPerBlock(32, 32);dim3 blocksPerGrid((imgWidth + threadsPerBlock.x - 1) / threadsPerBlock.x,(imgHeight + threadsPerBlock.y - 1) / threadsPerBlock.y);//--------------------记录核函数起始时间---------------------//double timeStart = (double)getTickCount();//程序计时-开始时间cudaEvent_t start, stop;cudaEventCreate(&start);cudaEventCreate(&stop);cudaEventRecord(start, 0);//避免gpu线程没有完全执行结束//--------------------调用在GPU上运行的核函数--------------------//sobelInCuda<<<每个Grid中的block数，每个block中的thread数>>>//每个thread都会执行核函数sobelInCuda << <blocksPerGrid, threadsPerBlock >> > (d_in, d_out, imgHeight, imgWidth);//-------------------记录核函数结束时间-------------------cudaEventRecord(stop, 0);cudaEventSynchronize(stop);float elapsedTime;cudaEventElapsedTime(&elapsedTime, start, stop);//--------------------将计算以后的图像传回到CPU内存--------------------//double TotalTime = ((double)getTickCount() - timeStart) / getTickFrequency();//程序计时-结束时间cudaMemcpy(dstGpuImg.data, d_out, num, cudaMemcpyDeviceToHost);//------------------------显示处理结果-------------------------namedWindow("CUDA_Soble的结果图像", 1);imshow("CUDA_Soble的结果图像", dstGpuImg);printf("使用CUDA做Sobel算子，消耗的时间：%f毫秒\n", elapsedTime);//printf("使用CUDA做Sobel算子，消耗的时间：%f毫秒\n", TotalTime*1000);//imwrite("finalImage.jpg", dstGpuImg);//导出最终图像//-------------------------释放GPU内存-------------------------cudaFree(d_in);cudaFree(d_out);//-------------------------释放CUDA计时内存--------------------cudaEventDestroy(start);cudaEventDestroy(stop);waitKey(0);return 0;
}

OpenCV/CUDA—Sobel边缘检测相关推荐

C/C++ OpenCV之Sobel边缘检测
Void Sobel( outputArray src, int depth, int dx, int dy, int ksize=3, double scale=1, double delat=0, ...
opencv图像处理之边缘检测
边缘检测 1 原理边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点.图像属性中的显著变化通常反映了属性的重要事件和变化. 图像边缘检测大幅度地减少了数据量, ...
OpenCV使用Sobel或Scharr OpenCV函数进行边缘检测的实例(附完整代码)
OpenCV使用Sobel或Scharr OpenCV函数进行边缘检测的实例 OpenCV使用Sobel或Scharr OpenCV函数进行边缘检测的实例 OpenCV使用Sobel或Scharr O ...
opencv:卷积涉及的基础概念，Sobel边缘检测代码实现及卷积填充模式
具体参考我的另一篇文章: opencv:卷积涉及的基础概念,Sobel边缘检测代码实现及Same(相同)填充与Vaild(有效)填充这里是对这一篇文章的补充! 卷积-三种填充模式橙色部分为imag ...
Sobel边缘检测算法及OpenCV函数实现
转自https://www.cnblogs.com/herenzhiming/articles/6526741.html https://blog.csdn.net/qaz_wz/article/d ...
CUDA：实现Sobel边缘检测滤波器的实例
CUDA:实现Sobel边缘检测滤波器的实例 FunctionPointers_kernels.h FunctionPointers.cpp FunctionPointers_kernels.cu F ...
OpenCV Sobel 边缘检测
Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好,sobel算子对边缘定位不是很准确,图像的边缘不止一个像素:当对精度要求不是很高时,是一种较为常用的边缘检测方法. OpenCV中sobe ...
【opencv初学者】3、sobel边缘检测
#include <vector> #include <stdio.h> #include <opencv2/opencv.hpp>using namespace ...
OpenCV入门系列 —— Sobel边缘检测
OpenCV入门系列 -- Sobel边缘检测前言程序说明输出结果代码示例总结前言随着工业自动化.智能化的不断推进,机器视觉(2D/3D)在工业领域的应用和重要程度也同步激增(识别.定位 ...

OpenCV/CUDA—Sobel边缘检测

一、OpenCV-Sobel边缘检测

二、CUDA-Sobel边缘检测

OpenCV/CUDA—Sobel边缘检测相关推荐

最新文章

热门文章